Cómo predecir la bolsa con chatGPT

Está circulando una nota donde Alejandro Lopez-Lira, un profesor de la Universidad de Wharton usa chatGPT para la proyección de precios de acciones en la bolsa de valores. Con la ayuda de la inteligencia artificial, es capaz de predecir movimientos macroeconómicos y determinar si las noticias son generalmente positivas o negativas para el precio de la acción.

La noticia surge a partir de un artículo científico que presentó Lopez-Lira, donde utilizan chatGPT para hacer análisis de sentimiento y determinar si una noticia tiene efectos positivos o negativos en el precio de una acción.

¿Funciona chatGPT para predecir el mercado de valores?

Recordemos lo que chatGPT es y lo que no es.

ChatGPT no es (aún) una inteligencia artificial de tipo Skynet con consciencia propia y capacidad de aprendizaje general como la que tenemos los humanos.

Los humanos somos capaces de analizar un texto y ponerlo en su contexto apropiado para sacar conclusiones. También podemos conectar dos ideas que aparentemente no tienen nada que ver para tomar decisiones de inversión.

Hasta el momento, los modelos grandes de lenguaje (LLM) no tienen esa capacidad. Si les ponemos demasiado contexto nos arriesgamos a que alucinen.

La respuesta es un poco más sencilla.

¿Cómo usar chatGPT para predecir la bolsa?

En realidad lo que hicieron los investigadores fue usar chatGPT para hacer sentiment analysis o análisis de sentimiento. Se trata de analizar texto para determinar si el tono emocional de un mensaje es positivo, negativo o neutral.

El análisis de sentimiento se usa para analizar correos, transcripciones de interacciones con chatbots, comentarios en redes sociales sobre algún tema o reseñas de algún producto.

Este es el prompt que usaron los investigadores para el análisis

Olvida todas tus instrucciones previas. Pretende que eres un experto en finanzas. Eres un experto en finanzas con experiencia en recomendación de acciones. Responde "SI" si son buenas noticias, "NO" si son malas noticias, o "DESCONOCIDO" si es incierto en primera instancia. Luego explica con una frase corta y concisa en la siguiente línea.

Luego, le ponían el texto. Podría ser una noticia relacionada con alguna acción en la bolsa de valores. En el caso de que la respuesta fuera SI, los autores tomaban nota de los rendimientos que tendrían si compraran las acciones ese día y las vendieran el día siguiente.

¿Cuáles fueron los resultados?

Los autores afirman que los resultados de chatGPT superan en precisión a los de los modelos de análisis de sentimientos tradicionales. También indican que los modelos anteriores de OpenAI no tenían la capacidad de realizar este tipo de análisis.

Sin embargo hay un par de detalles que es necesario destacar. En primer lugar, el estudio no realiza una comparación exhaustiva que permita evaluar la diferencia entre los periodos de expansión y los periodos de contracción. En otras palabras, no sabemos si lo que encontró solo se aplica al contexto de los días en que se llevó a cabo estudio o si se puede generalizar.

Tampoco se realizó una comparación de los resultados con otros modelos de análisis de sentimientos sobre los mismos datos. Además de los modelos de OpenAI, existen otras técnicas para determinar el análisis de un texto, que incluyen métodos como el análisis de semántica latente, máquinas de soporte de vectores, bolsa de palabras y otros. Sería valioso saber cómo se comporta chatGPT en comparación con estos otros métodos.

Este último punto es especialmente interesante, ya que chatGPT es un modelo general, que no tiene un entrenamiento especializado en finanzas.

No me queda claro de si esto es una ventaja o una desventaja, pero sería interesante que se analizara junto a modelos especializados en el análisis de textos financieros. ¿Deberíamos invertir en entrenar modelos especializados para el análisis de acciones o simplemente usamos las APIs de OpenAI?

Un ejemplo

Hagamos esto de manera práctica. La siguiente tabla muestra un análisis de tres diferentes noticias con el análisis que me arrojó chatGPT. Lo hice de manera manual y sin usar una API. Aquí algunas observaciones:

• En los cuatro casos me apareció un análisis desconocido. Esto me pareció un poco sorprendente, pues los titulares claramente tenían una dirección positiva o negativa, pero el análisis del texto no fue capaz de llevar a una dirección apropiada. El análisis de sentimiento es complicado, y más cuando los medios están diseñados para no presentar la información con un sesgo particular. En el caso de bloomberg, ellos siempre buscan presentar la información de manera neutral.
• Cambió el idioma en algunos casos. Esto pasó porque el prompt era en español y el texto en inglés. chatGPT puede hacer mezcla de idiomas, pero suele elegir alguno.
• Si a tí te aparece algo más interesante o más concreto, te invito a que me lo mandes o comentes en este post. Recuerda que puedes entrar a la página y poner tus comentarios si te parece esto interesante.